MBCdeg4:一种基于聚类的修改方法,用于从RNA-seq数据中识别差异表达的基因
Chiharu Ichikawa1, Koji Kadota1,2,3
1Graduate School of Agricultural and Life Sciences, The University of Tokyo, Yayoi 1-1-1, Bunkyo-ku, Tokyo 113-8657, Japan.
MethodsX
|January 27, 2025
概括
新的MBCdeg4方法从RNA-seq数据准确地识别和分类差异表达基因 (DEGs). 它的性能优于之前的版本和传统工具,使其成为转录组分析的推选择.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- RNA测序 (RNA-seq) 对于转录组测量和识别差异表达基因 (DEGs) 至关重要.
- 之前的基于集群的DEG识别方法 (MBCdeg1-3) 是使用MBCluster.Seq R包开发的.
- 精细化DEG识别方法对于准确的生物学解释至关重要.
研究的目的:
- 引入和评估MBCdeg4,一种改进的方法,用于从RNA序列计数数据中识别和分类DEG.
- 为了比较MBCdeg4与其前身 (MBCdeg1-3) 和传统R包 (edgeR,DESeq2,TCC) 的性能.
- 建立MBCdeg4作为DEG分析的卓越工具.
主要方法:
- 开发MBCdeg4,这是MBCdeg DEG识别方法的增强版本.
- 使用MBCluster.Seq R包与使用DEGES (差异表达基因表达统计) 衍生的正常化因子的新型规范化方法.
- 使用多个模拟场景与RNA-seq计数数据对 edgeR,DESeq2,TCC和MBCdeg1-3.3进行比较性性能分析.
主要成果:
- MBCdeg4在RNA-seq计数数据的各种模拟场景中表现出卓越的性能.
- DEGES规范化算法有助于提高MBCdeg4.deg的准确性.
- 在识别和分类DEG方面,MBCdeg4始终优于MBCdeg1-3,edgeR,DESeq2和TCC.
结论:
- MBCdeg4是一种高效的方法,用于从RNA-seq数据中识别和分类DEG.
- DEGES规范化策略显著提高了DEG分析的准确性.
- 由于其强大的性能,推使用MBCdeg4,并且可以作为R函数用于更广泛的应用.
